Staff perceptions of pod nursing on an acute mental health unit
Notice bibliographique
Résumé
Objective: The Niagara Health System opened a new healthcare facility in 2013 with consolidation of inpatient mental health services at the new hospital site. The model of nursing care delivery was changed from primary nursing to pod nursing on one of the acute mental health units to better align care delivery with the physical lay-out of the unit that created challenges around long-standing care processes such as observational rounds, transfer of accountability, and team communication. Inefficient processes can decrease nursing visibility and accessibility and this can affect patient engagement and unit safety. The study sought to elicit staff perceptions of the impact of the model change for communication and gained efficiencies in completion of observational rounds and transfer of accountability. There is a gap in the literature related to pod nursing and this paper will inform decisions related to use of this model in acute mental health inpatient settings. Methods: A seven-item questionnaire constructed by the authors was sent out by e-mail to the unit’s 22 regular nursing staff nine months after implementation of the pod nursing model. The questionnaire was designed to elicit staff perceptions of the impact of the model change. The analytic sample consisted of results from 13 nursing staff who completed the questionnaire. Descriptive statistics were used to describe perception responses. Results: Results of the survey identified overall staff agreement with pod nursing as an efficient model of care for the unit (92%). The majority (84.6%) of staff agreed that observational rounds were more manageable, the transfer of accountability process works well (100%), and there is improved communication with their colleagues (61.5%). Conclusions: Pod nursing can be effectively implemented in the acute mental health setting and based on streamlined processes it can free up valuable nursing time to be visible and accessible on the unit, which can contribute to a safe and therapeutic milieu.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».